重参数化YOLOv5s的森林火灾检测算法.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

信号与信息处理

doi:10.3969/j.issn.10033106.2024.02.006

引用格式:杨武,余华云,赵昕宇,等.重参数化YOLOv5s的森林火灾检测算法[J].无线电工程,2024,54(2):284293.[YANG

,,,[],

WuYUHuayunZHAOXinyuetal.AForestFireDetectionMethodBasedonReparameterizedYOLOv5sJ.RadioEngineering

,():-]

2024542284293.

重参数化YOLOv5s的森林火灾检测算法

杨武,余华云,赵昕宇,何勇,徐红牛

(长江大学计算机科学学院,湖北荆州434023)

摘要:目前森林火灾多发,建立日常监测尤为重要,但是边缘智能检测设备算力和内存较低,限制了检测模型的推

理和部署。针对以上问题,提出一种改进的重参数化YOLOv5s的森林火灾检测算法,结合重参数化、通道重排和深度可分

离卷积(,)等轻量化思想分别设计新的骨干和颈部网络,增强特征提取能力,提高模

DepthwiseSeparableConvolutionDSC

型检测精度,使参数量和推理权重较大幅度减少。为避免颈部网络的信息丢失,根据空洞卷积提出特征增强模块,增强多

尺度特征融合能力。为进一步提高模型性能,加入轻量化的注意力机制,更准确定位目标。当前公开的火焰烟雾数据

CA

集存在针对性不强的问题,为了更好地提高模型的检测效率,制作了一个新的森林火灾数据集,在数据集上利用结构相似

性算法剔除了相似度过高的图片,保证了模型的泛化能力。实验结果表明,改进后的重参数化YOLOv5s以原网络约76%的

参数量提高了4.0%的精确度,推理权重下降至10.5MB,更适合于设备性能差、容量小的边缘设备,提高了森林火灾巡检

的效率。

关键词:森林火灾;YOLOv5s;重参数化;深度可分离卷积;多尺度特征融合

中图分类号:TP391文献标志码:A开放科学(资源服务)标识码(OSID):

-()--

文章编号:10033106202402028410

AForestFireDetectionMethodBasedonReparameterizedYOLOv5s

YANGWu,YUHuayun,ZHAOXinyu,HEYong,XUHongniu

(,,,)

SchoolofComputerScienceYangtzeUniversityJingzhou434023China

Abstract:Currently,forestfiresarefrequent.Itisparticularlyimportanttoestablishdailymonitoring.However,thelow

computationalp

文档评论(0)

教师资格证、公共营养师持证人

本人专注ppt制作、办公模板编辑六年有余,可以根据客户需求做出高品质ppt、办公表格等模板,以及文案等。

领域认证该用户于2024年07月07日上传了教师资格证、公共营养师

1亿VIP精品文档

相关文档